图书信息
内容简介
对 arXiv math.OC 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 100 篇论文 的细读整理，组织为 20 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 复杂动态系统的鲁棒与分布式控制 (81.4%) — 聚焦不确定性下复杂系统（包括多智能体一致性、混合动力学与交通网络）的鲁棒优化、分布式控制与自适应策略，应对通信约束。
- 带结构约束的凸与随机优化 (13.3%) — 处理凸、线性约束与随机优化问题的算法设计与理论分析，包括双层优化与最优控制的谱方法。
- 梯度流动力学与收敛分析 (2.1%) — 研究基于梯度的优化算法的收敛性质与全局行为，包括镜像下降、基于控制的拉格朗日流与粒子梯度方法。
- 强化学习与深度学习整合 (1.4%) — 探索机器学习与控制论的交叉，特别是深度强化学习、连续时间强化学习与基于神经网络的优化框架。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
